DataFrame如何筛选某列或某行

在Pandas库中，DataFrame是一种二维表格型的数据结构，非常方便数据筛选和操作。你可以通过多种方式筛选DataFrame中的特定列或行：

1. **筛选列**：
- **按列名选择**: 如果你知道列名，可以直接使用列名来选取。例如，如果你有一个名为"Name"的列，你可以这样做：

     column_data = df['Name']

- **按条件选择**: 如果你想根据某些条件筛选出特定列，可以用布尔索引来过滤。例如，筛选所有值大于某个数的行：

     filtered_column = df[df['Age'] > 30]['Name']

2. **筛选行**：
- **按行索引选择**: 使用`loc`或iloc（区别在于前者的索引是label，后者是位置）选择特定行。例如，选择索引为0的行：

     row_0 = df.loc[0]

- **按条件选择**: 和选择列类似，可以使用布尔索引来过滤行。比如，选择年龄超过30岁的所有行：

     filtered_rows = df[df['Age'] > 30]

以上操作返回的结果通常是Series（一维数组），如果需要保留原始DataFrame的结构，可以将结果赋值回原DataFrame的相应位置。

相关问题

dataframe筛选某列纯中文

您好，要筛选dataframe中某列纯中文的数据，可以利用正则表达式来匹配中文字符。以下是示例代码：

import pandas as pd
import re

# 创建示例数据
data = {'姓名': ['张三', '李四', '王五', 'Tom', 'Jerry'], '年龄': [20, 25, 30, 35, 40]}
df = pd.DataFrame(data)

# 筛选姓名列中纯中文的数据
pattern = re.compile(r'^[\u4e00-\u9fa5]+$')  # 定义纯中文的正则表达式
df_chinese = df[df['姓名'].apply(lambda x: pattern.match(x) is not None)]

print(df_chinese)

运行结果如下：

   姓名  年龄
0  张三  20
1  李四  25
2  王五  30

以上代码中，`pattern` 定义了一个纯中文的正则表达式，`df['姓名'].apply(lambda x: pattern.match(x) is not None)` 对姓名列中的每个元素都进行正则匹配，只有匹配成功的才会被筛选出来。

DataFrame筛选某列不为空的数据

要筛选DataFrame中某列不为空的数据，可以使用`dropna()`方法。下面是一个示例代码：

import pandas as pd

# 创建一个示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [25, 30, None, 20],
        'City': ['Beijing', 'Shanghai', 'Guangzhou', None]}
df = pd.DataFrame(data)

# 筛选Age列不为空的数据
filtered_df = df.dropna(subset=['Age'])

print(filtered_df)

输出结果为：

     Name   Age       City
0   Alice  25.0    Beijing
1     Bob  30.0   Shanghai
3   David  20.0       None